随着多模态大模型的不断演进，指令引导的图像编辑（Instruction-guided Image Editing）技术取得了显著进展。然而，现有模型在遵循复杂、精细的文本指令方面仍面临巨大挑战，往往需要用户进行多次尝试和手动筛选，难以实现稳定、高质量的「一步到位」式编辑。
强化学习（RL）为模型实现自我演进、提升指令遵循能力提供了一条极具潜力的路径。但其在图像编辑领域的应用，长期以来受限于一个核心瓶颈：缺乏一个能够精确评估编辑质量并提供高保真度反馈的奖励模型（Reward Model）。没有可靠的「奖励信号」，模型便无法有效判断自身生成结果的优劣，从而难以实现高效的自我优化。
为攻克这一难题，北京智源人工智能研究院 VectorSpace Lab 团队近日发布了全新的高保真奖励模型系列——EditScore。该工作直面上述挑战，旨在为指令引导的图像编辑任务提供精确、可靠的奖励信号，从而为强化学习在 AIGC 领域的深入应用铺平道路，真正解锁其强大潜力。
EditScore 是智源在成功推出统一图像生成模型 OmniGen 系列之后，对更通用、更可控的生成式 AI 的又一重要探索。为了促进未来在奖励建模、策略优化和⼈⼯智能驱动的模型改进等领域的研究，EditScore 模型系列和 EditReward-Bench 数据集现已全⾯开源。同时，经过强化学习微调的 OmniGen2-EditScore7B 模型也已同步开放。
团队表示，后续将陆续发布应⽤于 OmniGen2 的强化学习训练代码，以及针对 OmniGen2、Flux-dev-Kontext 和 Qwen-Image-Edit 的 Best-of-N 推理脚本，欢迎社区持续关注。
论⽂链接: https://arxiv.org/abs/2509.23909
EditScore GitHub: https://github.com/VectorSpaceLab/EditScore
EditScore 模型权重：https://huggingface.co/collections/EditScore/editscore-68d8e27ee676981221db3cfe
EditReward-Bench 评测基准：https://huggingface.co/datasets/EditScore/EditReward-Bench
RL 微调后的编辑模型 (OmniGen2-EditScore7B): https://huggingface.co/OmniGen2/OmniGen2-EditScore7B
从评估到赋能：EditScore 的系统化解决方案
为了克服图像编辑领域缺乏高质量奖励信号的障碍，EditScore 团队提出了一套系统的两步解决方案。
第⼀步：建⽴严谨的评估标准
⼯欲善其事，必先利其器。为了能够直接、可靠地评估图像编辑奖励模型的质量，团队⾸先构建并开源了 EditReward-Bench，这是业界⾸个专⻔为评估图像编辑奖励模型⽽设计的公开基准，涵盖了 13 个不同的⼦任务和 11 个当前最先进的编辑模型（包括闭源模型），并包含了专家级的⼈⼯标注，为衡量奖励信号的质量建⽴了⻩⾦标准。
第⼆步：开发强⼤的多功能⼯具
在 EditReward-Bench 的指引下，团队精⼼策划数据并进⾏训练，最终成功开发出 EditScore 系列模型（分为 7B、32B、72B 三个尺⼨）。这⼀系列模型是专为指令图像编辑任务设计的⾼保真奖励模型，旨在提供⽐通⽤视觉语⾔模型（VLM）更精确的反馈信号。
EditReward-Bench 上的基准测试结果，显示了 EditScore 相较于其他模型的优越性
核心亮点：
顶尖性能：EditScore 在 EditReward-Bench 上的表现媲美甚⾄超越了顶级的闭源视觉语⾔模型。通过⼀种有效的⾃集成策略（self-ensembling），其最⼤规模的模型甚⾄在准确性上超过了 GPT-5。
可靠的评估标准：团队推出的 EditReward-Bench 是⾸个专⻔⽤于评估图像编辑领域奖励模型的公开基准。
简洁易⽤：开发者只需⼏⾏代码，即可轻松地为图像编辑结果获得⼀个准确的质量评分。
应⽤⼴泛：EditScore 不仅可以作为⼀流的重排序器（reranker）来优化编辑输出，还可以作为⾼保真奖励信号，赋能稳定⾼效的 RL 微调。
实践出真知：EditScore 的两⼤应⽤场景
EditScore 的实⽤价值在两个关键应⽤中得到了充分验证：
作为最先进的重排序器：通过「优中选优」（Best-of-N）的⽅式，EditScore 能够即时提升多种主流编辑模型的输出质量。
作为强化学习的⾼保真奖励：当通⽤视觉语⾔模型在强化学习训练中束⼿⽆策时，EditScore 能够提供稳定且⾼质量的奖励信号，成功解锁了在线强化学习在图像编辑领域的应⽤，并带来了显著的性能提升。 团队的实验表明，将 EditScore-7B 应⽤于 OmniGen2 模型的 Flow-GRPO 微调后，OmniGen2 在 GEdit 基准上的得分从 6.28 提升⾄ 6.83。
EditScore 作为图像编辑的卓越奖励信号，能够精确区分编辑质量的好坏。
将 EditScore 作为强化学习奖励模型应用于 OmniGen2 的视觉结果对比
探索与发现：模型背后的深刻洞⻅
在研究过程中，团队还获得了⼀些有趣的洞⻅：
⾼分 ≠ 好教练？ 奖励模型的打分准确性并⾮决定强化学习训练效果的唯⼀因素。⼀个优秀的「AI 教练」不仅需要打分精准，其输出分数的分布形态也⾄关重要。例如，奖励模型打分的⽅差就可能会影响强化学习的效果。
GPT-4.1 系列奖励模型凭借更优的输出分布特性，能够更有效地指导强化学习优化
巧妙的「集成」策略：对于⽣成式奖励模型，通过多次推理取均值的⾃集成扩展策略（Self-Ensemble Scaling），在提升性能⽅⾯的效果可能优于单纯地扩⼤模型参数量。这意味着，⼀个精⼼设计的 7B 模型，通过此策略可能在特定任务上达到甚⾄超越更⼤模型的性能。
EditScore 持续的从参数拓展和测试时计算拓展（Self-ensemble）中获得性能增益
结语
智能的成长离不开自我评估与持续进化。EditScore 让模型具备了「自我审视」与「自我进化」的能力，为提升 AIGC 的可控性与可靠性打开了新的可能。
智源研究团队表示，将持续深入奖励建模研究，「我们很高兴将 EditScore、EditReward-Bench 、OmniGen2-EditScore7B 以及所有的研究发现开源，希望能为业界带来新的启发，期待与社区共同探索，让 AIGC 模型变得更智能、更可控、更可靠，在更多领域释放创造的力量」。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com
